本基于大数据分析实现个性化音乐在线推荐平台，音乐资源分析平台，系统主要采用java，hbase，springboot，mysql，mybatis，网络爬虫，音乐播放器，数据分析存储技术，实现基于互联网音乐资源的信息管理系统，
针对音乐资源实现线上用户的收藏，播放，推荐以及个性化音乐资源的监控分析等功能。
系统前台主要包含：用户登录注册，音乐歌单，音乐播放，音乐列表，音乐详情，歌单推荐，歌手推荐等模块
系统后台主要包含：歌曲管理，歌手管理，歌单管理，用户管理，资源分析，数据可视化大屏。
一、程序设计
本基于大数据分析实现个性化音乐在线推荐平台，音乐资源分析平台的设计与实现，主要内容涉及：
主要功能模块：用户登录注册，音乐歌单，音乐播放，音乐列表，音乐详情，歌单推荐，歌手推荐等模块。
主要包含技术：java，hbase，springboot，mysql，mybatis，数据分析存储技术，数据关键词提取，IK分词，音乐播放器，echarts动态图表
主要包含算法：协同过滤推荐算法，IK，数据分析计算等
二、效果实现
系统首页
歌单推荐
歌手推荐
后台管理
歌手管理
大数据可视化
其他效果省略
三、代码实现
音乐资源播放器，采用H5播放器，监听用户操作实现播放，暂停，下一曲，上一曲功能
//为播放器绑定播放完成事件
player.addEventListener('ended',function () {
//清除上一首播放状态
clearstatus();
currentIndex++;
if(currentIndex>=musics.length){
currentIndex=0;
}
//重新为播放器设置播放源
player.src=musics[currentIndex].path;
//继续播放
startPlay();
});
//上一首
document.querySelector('.btn-pre').addEventListener('click',function () {
clearstatus();
currentIndex--;
if(currentIndex<0){
currentIndex=musics.length-1;
}
//重新为播放器设置播放源
player.src=musics[currentIndex].path;
//继续播放
startPlay();
});
//下一首
document.querySelector('.btn-next').addEventListener('click',function () {
clearstatus();
currentIndex++;
currentIndex=currentIndex%musics.length;
//重新为播放器设置播放源
player.src=musics[currentIndex].path;
//继续播放
startPlay();
});
音乐资源推荐模块，主要采用基于用户协同规律+关键词分析实现，发现用户之间具备相同收听喜好的音乐关联，实现音乐资源的推荐
/**
* 音乐资源推荐算法，
/*
@RequestMapping(value = "/getRecommendList", method = RequestMethod.GET)
public String getRecommendList(Model model, HttpServletRequest request) {
HttpSession httpSession = request.getSession();
String name = httpSession.getAttribute("name").toString();
// 获取userId
int orginal = userService.getUserByName(name).getId();
// 获取所有用户和歌曲的关联
List<Enshrine> all = enshrineService.getAll();
// 创建用户推荐map，数据结构为 key:Integer 对应用户id value:List 对应一个广告的id集合
HashMap<Integer, List<Integer>> userRecommend = new HashMap();
// 遍历所有的关联
for (int i = 0; i < all.size(); i++) {
// 获取每一个用户和歌曲Id
int userId = all.get(i).getUser_id(); //第一次循环 userId=1
int movieid = all.get(i).getMovie_id(); // 第一次循环 movie_id=2
// 如果推荐map中有以当前用户为Key的数据
if (userRecommend.containsKey(userId)) {
// 根据用户id获取map对应的value
List<Integer> recommendTemp = userRecommend.get(userId);
// 在拿到的集合中添加新的歌曲id
recommendTemp.add(movie_id);
// 更新此key value
userRecommend.put(userId, recommendTemp);
} else {
// 如果不包含，新建一个集合，然后将Key value放入map
List<Integer> recommendTemp = new ArrayList<>();
recommendTemp.add(movie_id);
userRecommend.put(userId, recommendTemp);
}
}
List<Integer> myRecommend = new ArrayList<>();
if (userRecommend.containsKey(orginal)) {
myRecommend = userRecommend.get(orginal);
} else {
myRecommend = new ArrayList<>();
}
HashSet<Integer> myRecommendSet = new HashSet<Integer>(myRecommend);
double maxValue = 0;
int maxId = -1;
for (int key : userRecommend.keySet()) {
if (key == orginal) {
continue;
}
List<Integer> thisRecommend = userRecommend.get(key);
HashSet<Integer> thisRecommendSet = new HashSet<>(thisRecommend);
HashSet<Integer> intersection = new HashSet<>(myRecommendSet);
intersection.retainAll(thisRecommendSet);
HashSet<Integer> union = new HashSet<>(myRecommendSet);
union.addAll(thisRecommendSet);
if (union.size() == 0) {
continue;
} else {
double ratio = (double) intersection.size() / union.size();
if (ratio > maxValue) {
maxValue = ratio;
maxId = key;
}
}
}
// 创建歌曲推荐列表
List<Integer> MovieRecommendList = new ArrayList<>();
// 如果ｍａｘＩＤ没有被更改过，则为当前登录用户ID
if (maxId == -1) { //此时maxId = 2
maxId = orginal;
} else {
// 如果被更改过，就从推荐列表中取出key为maxId（maxId为拥有最大交集的用户id） 的歌曲列表，
HashSet<Integer> differenceTemp = new HashSet<>(userRecommend.get(maxId)); // differenceTemp = [2,3,4]
// maxId用户歌单列表中的歌曲 - 我的歌单列表中的歌曲 = 我没有的歌曲
differenceTemp.removeAll(myRecommendSet); // differenceTemp = [4] 所以，在推荐列表中就会出现id为4的歌曲，剩下的就是计算相似度和将歌曲传到前台了！
MovieRecommendList = new ArrayList<Integer>(differenceTemp);
}
// 一下代码就是从我没有的歌曲列表id中取得歌曲信息
List<Advertisement> movies = new ArrayList<>();
for (int i = 0; i < MovieRecommendList.size(); i++) {
Advertisement movie = advertisementService.getMovieById(MovieRecommendList.get(i));
movies.add(movie);
}
model.addAttribute("professor", movies);
DecimalFormat df=new DecimalFormat("0.00");
String similar = "歌单相似度："+df.format((float)myRecommendSet.size()/(myRecommendSet.size()+movies.size())*100)+"%";
System.out.println(similar);
model.addAttribute("similar", similar);
return "recommend";
}
数据可视化分析模块，主要采用echarts动态图表，针对系统内部的所有资源建立分析模型，封装分析接口，绑定echarts图表展示
var publicNumChart = echarts.init(document.getElementById('publicNumId'));
var urlList = baseURL + "counts/cxtj/task/1/DS_INDEX_GDYYFB_COUNTS_TASK/datas";
var option;
$.get(urlList, function (r) {
let datares = r.result.value;
var resArr = datares
var xunArr = []
var jingArr = []
var dateArr = []
for (var i = 0; i < resArr.length; i++) {
xunArr.push(resArr[i].value)
jingArr.push(resArr[i].value)
dateArr.push(resArr[i].name)
}
option = {
tooltip: {
trigger: 'axis'
},
legend: {
x: '35%',
y: '0%',
data: ['歌手', '数量'],
textStyle: {
color: "#fff",
fontSize: 8
},
itemWidth: 10,
itemHeight: 10,
},
calculable: true,
xAxis: [
{
type: 'category',
data: dateArr,
axisLabel: {
interval: 0,
textStyle: {
fontSize: 8,
color: 'rgba(255,255,255,.7)',
}
},
"axisTick": { //y轴刻度线
"show": false
},
"axisLine": { //y轴
"show": false,
},
}
],
yAxis: [
{
type: 'value',
scale: true,
name: '单位：%',
nameTextStyle: {
color: 'rgba(255,255,255,.7)',
fontSize: 8
},
max: 30,
min: 0,
boundaryGap: [0.2, 0.2],
"axisTick": { //y轴刻度线
"show": false
},
"axisLine": { //y轴
"show": false,
},
axisLabel: {
textStyle: {
color: 'rgba(255,255,255,.8)',
fontSize: 8
// opacity: 0.1,
}
},
splitLine: { //决定是否显示坐标中网格
show: true,
lineStyle: {
color: ['#fff'],
opacity: 0.2
}
},
},
{
type: 'value',
scale: true,
show: false,
// name: "销量额(万元)",
nameTextStyle: {
color: 'rgba(255,255,255,.2)',
},
max: 1,
min: 0,
boundaryGap: [0.2, 0.2],
"axisTick": { //y轴刻度线
"show": false
},
"axisLine": { //y轴
"show": false,
},
axisLabel: {
textStyle: {
color: 'rgba(255,255,255,.2)',
// opacity: 0.1,
}
},
splitLine: { //决定是否显示坐标中网格
show: true,
lineStyle: {
color: ['#fff'],
opacity: 0.2
}
},
}
],
color: ['#2E8CFF', '#38EB70'],
grid: {
left: '5%',
right: '1%',
top: '25%',
bottom: '15%'
// containLabel: true
},
series: [
{
animationDuration: 2500,
barWidth: '20%',
name: '歌手',
type: 'bar',
data: xunArr,
},
{
barWidth: '20%',
name: '数量',
type: 'bar',
data: jingArr,
}
],
animationEasing: 'cubicOut'
};
publicNumChart.setOption(option)
});
setInterval(function () {
publicNumChart.clear()
publicNumChart.setOption(option)
}, 60000)
}
9480
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
